锐客网

  1. 首页 > 睿知 > it技术 > >

C++实现双目立体匹配Census算法的示例代码

上一篇介绍了双目立体匹配SAD算法，这一篇介绍Census算法。
Census原理：
在视图中选取任一点，以该点为中心划出一个例如3 × 3 的矩形，矩形中除中心点之外的每一点都与中心点进行比较，灰度值小于中心点记为1，灰度大于中心点的则记为0，以所得长度为 8 的只有 0 和 1 的序列作为该中心点的 census 序列,即中心像素的灰度值被census 序列替换。经过census变换后的图像使用汉明距离计算相似度，所谓图像匹配就是在匹配图像中找出与参考像素点相似度最高的点，而汉明距正是匹配图像像素与参考像素相似度的度量。具体而言，对于欲求取视差的左右视图，要比较两个视图中两点的相似度，可将此两点的census值逐位进行异或运算，然后计算结果为1 的个数，记为此两点之间的汉明值，汉明值是两点间相似度的一种体现，汉明值愈小，两点相似度愈大实现算法时先异或再统计1的个数即可，汉明距越小即相似度越高。
C++实现双目立体匹配Census算法的示例代码
文章图片

下面的代码是自己根据原理写的，实现的结果并没有很好，以后继续优化代码。
具体代码如下：

//*************************Census*********************#include #include #include #include using namespace std; using namespace cv; //-------------------定义汉明距离----------------------------int disparity; int GetHammingWeight(uchar value); //求1的个数//-------------------定义Census处理图像函数---------------------int hWind = 1; //定义窗口大小为（2*hWind+1）Mat ProcessImg(Mat &Img); //将矩形内的像素与中心像素相比较，将结果存于中心像素中Mat Img_census, Left_census, Right_census; //--------------------得到Disparity图像------------------------Mat getDisparity(Mat &left, Mat &right); //--------------------处理Disparity图像-----------------------Mat ProcessDisparity(Mat &disImg); int ImgHeight, ImgWidth; //int num = 0; //异或得到的海明距离Mat LeftImg, RightImg; Mat DisparityImg(ImgHeight, ImgWidth, CV_8UC1, Scalar::all(0)); Mat DisparityImg_Processed(ImgHeight, ImgWidth, CV_8UC1, Scalar::all(0)); Mat DisparityImg_Processed_2(ImgHeight, ImgWidth, CV_8UC1); //定义读取图片的路径string file_dir="C:\\Program Files\\FLIR Integrated Imaging Solutions\\Triclops Stereo Vision SDK\\stereomatching\\Grab_Stereo\\pictures\\"; //定义存储图片的路径string save_dir= "C:\\Program Files\\FLIR Integrated Imaging Solutions\\Triclops Stereo Vision SDK\\stereomatching\\Grab_Stereo\\Census\\"; int main(){LeftImg = imread(file_dir + "renwu_left.png", 0); RightImg = imread(file_dir + "renwu_right.png", 0); namedWindow("renwu_left", 1); namedWindow("renwu_right", 1); imshow("renwu_left", LeftImg); waitKey(5); imshow("renwu_right", RightImg); waitKey(5); ImgHeight = LeftImg.rows; ImgWidth = LeftImg.cols; Left_census= ProcessImg(LeftImg); //处理左图，得到左图的CENSUS图像 Left_censusnamedWindow("Left_census", 1); imshow("Left_census", Left_census); waitKey(5); //imwrite(save_dir + "renwu_left.jpg", Left_census); Right_census= ProcessImg(RightImg); namedWindow("Right_census", 1); imshow("Right_census", Right_census); waitKey(5); //imwrite(save_dir+ "renwu_right.jpg", Right_census); DisparityImg= getDisparity(Left_census, Right_census); namedWindow("Disparity", 1); imshow("Disparity", DisparityImg); //imwrite(save_dir+ "disparity.jpg", DisparityImg); waitKey(5); DisparityImg_Processed = ProcessDisparity(DisparityImg); namedWindow("DisparityImg_Processed", 1); imshow("DisparityImg_Processed", DisparityImg_Processed); //imwrite(save_dir + "disparity_processed.jpg", DisparityImg_Processed); waitKey(0); return 0; }//-----------------------对图像进行census编码---------------Mat ProcessImg(Mat &Img){int64 start, end; start = getTickCount(); Mat Img_census = Mat(Img.rows, Img.cols, CV_8UC1, Scalar::all(0)); uchar center = 0; for (int i = 0; i < ImgHeight - hWind; i++){for (int j = 0; j < ImgWidth - hWind; j++){center = Img.at(i + hWind, j + hWind); uchar census = 0; uchar neighbor = 0; for (int p = i; p <= i + 2 * hWind; p++)//行{for (int q = j; q <= j + 2 * hWind; q++)//列{if (p >= 0 && p C++实现双目立体匹配Census算法的示例代码
文章图片

经过处理后的左图census图像
C++实现双目立体匹配Census算法的示例代码
文章图片

经过处理后的右图census图像
C++实现双目立体匹配Census算法的示例代码
文章图片

disparity图像
C++实现双目立体匹配Census算法的示例代码
文章图片

处理后的disparity图像
【C++实现双目立体匹配Census算法的示例代码】以上就是C++实现双目立体匹配Census算法的示例代码的详细内容，更多关于C++双目立体匹配Census算法的资料请关注脚本之家其它相关文章！

    推荐阅读


    上一篇：java开发RocketMQ生产者高可用示例详解

    下一篇：Java|Java Spring中Bean的作用域及生命周期